小样本下的抗主瓣间歇采样转发干扰目标检测方法

• 作者: 陈琳滨 张钰 纠博 刘宏伟
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 主瓣干扰 深度神经网络 Wasserstein生成对抗网络 小样本
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 智能化雷达技术专题|Intelligent Radar Technology
• 页码范围: 49-57
• 页数: 9页
• 分类号: TN958
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2022.02.008

摘要

基于现阶段应用于雷达抗干扰研究中的深度神经网络模型大多是在大量有标签的仿真数据样本上进行多次优化更新,当样本数量受限时,极易出现参数估计偏差大及过拟合问题,文中提出了一种基于Wasserstein生成对抗网络的小样本抗主瓣干扰目标检测方法.该方法首先利用深度神经网络构建了从接收到抗干扰检测的端到端的处理过程,然后采用Wasserstein生成对抗网络学习相应的样本分布实现对回波数据的增广,使得抗干扰检测网络能够通过充分训练获得更具判别性的特征表示,进而实现理想的检测效果.基于小样本数据集的实验结果表明:该方法能够驱动检测网络获得更好的抗干扰和目标检测性能,验证了所提方法的有效性.